随着数据库技术的成熟应用和Internet的迅速发展,从大量数据中挖掘有用的信息成为一个迫切需要解决的问题,数据挖掘的研究应运而生.数据挖掘经常要面对一些有噪声、杂乱、非线性的数据,而神经网络具有良好的鲁棒性、自适应性、并行处理、分布存储和高度容错性等特点,故神经网络非常适合用来解决数据挖掘的问题.该文简单阐述了数据挖掘和人工神经网络的基本概念;对神经网络数据挖掘方法中的数据准备问题进行了研究分析.接着着重研究了基于神经网络的数据挖掘分类方法,提出了基于神经网络的分类决策树构造方法,并应用BP网络对字母表中26个字母进行了特征分类,仿真实验结果表明该设计是比较成功的.该文还研究了基于竞争神经网络的聚类方法,重点研究了基于自组织特征映射网络的聚类方法和基于自适应谐振网络的聚类方法,分别利用SOFM网络和ART1网络进行了数据聚类分析,仿真实验结果表明了这两种方法的有效性.最后,该文提出了利用IAC网络对数据库的关联规则进行挖掘的方法.该论文研究的基于人工神经网络的数据挖掘方法具有较高的理论深度和实用价值,可以为决策或科研工作提供更有效的决策支持.